Gen2Physics: Grounding Generated 3D Meshes in Physics via Multi-View Material Decomposition

في العالم الرقمي، أصبحت الحواسيب ماهرة بشكل ملحوظ في رسم الأجسام ثلاثية الأبعاد. فبفضل صورة واحدة أو بضع كلمات، يمكن للذكاء الاصطناعي الحديث أن يستحضر كرسياً، أو روبوتاً، أو لعبة بتفاصيل بصرية مذهلة. تبدو هذه الابتكارات الرقمية حقيقية، لكنها مجرد قشور جوفاء. بالنسبة للحاسوب، فإن الكرسي الخشبي ذو الأرجل المعدنية ليس سوى سطح مستمر واحد، جسم واحد بلا بنية داخلية. وهذا يخلق مشكلة كبيرة لأي شخص يحاول استخدام هذه الصور في ألعاب الفيديو، أو الروبوتات، أو محاكاة الفيزياء. فالأجسام في العالم الحقيقي تتصرف وفقاً لموادها؛ فالرأس المعدني الثقيل على جسم خشي خفيف سيتمايل ويدور بشكل مختلف عن كتلة ذات كثافة منتظمة. وبدون معرفة أي جزء مصنوع مما، لا يمكن للحاسوب محاكاة كيفية سقوط الجسم، أو ارتداده، أو تدحرجه. لعقود من الزمن، كانت الفجوة بين كيف يبدو الجسم وكيف يتصرف عقبة رئيسية، مما ترك المبدعين الرقميين مع أصول جميلة ولكنها ثابتة لا يمكنها التفاعل مع القوانين الفيزيائية للمحاكاة.

قام فريق من الباحثين بتطوير نظام جديد يسمى Gen2Physics لسد هذه الفجوة. كان هدفهم هو أخذ شبكة ثلاثية الأبعاد (mesh) تم إنشاؤها ثابتة وتحديد مادتها تلقائياً، وتفكيكها إلى قطع منفصلة جاهزة للمحاكاة. وبدلاً من محاولة بناء الجسم من الصفر مع وضع الخصائص الفيزيائية في الاعتبار، يعمل أسلوبهم بعد إنشاء الجسم بالفعل. إنه يعمل مثل محقق رقمي ينظر إلى الجسم من زوايا مختلفة، ويحدد مادة كل رقعة صغيرة على سطحه، ثم يعيد بناء الجسم كمجموعة من الأجزاء الصلبة، لكل منها وزنه وكثافته الخاصة. والنتيجة هي أصل رقمي لا يبدو صحيحاً فحسب، بل يتصرف أيضاً بشكل صحيح عند إسقاطه أو دفعه في محرك فيزياء.

تبدأ العملية بالتعامل مع الجسم ثلاثي الأبعاد مثل منحوتة تحتاج إلى فحص من جميع الجوانب. يقوم النظام بعرض الجسم من أحد عشر منظوراً مختلفاً، تماماً مثل التجول حول تمثال لرؤيته من جميع الجوانب. وفي كل من هذه المشاهد، يقوم نموذج رؤية حاسوبية متخصص بتحليل الصورة لتخمين مادة كل بكسل. إنه يبحث عن أدلة مثل اللمعان، والملمس، واللون ليقرر ما إذا كان السطح خشبياً، أو معدنياً، أو زجاجياً، أو قماشياً. ومع ذلك، فإن النظر إلى جسم من زاوية واحدة فقط قد يكون مضللاً؛ فقد يجعل الانعكاس ساقاً خشبية تبدو كأنها معدنية، أو قد يخفي الظل مقبضاً بلاستيكياً. ولحل هذه المشكلة، يقوم النظام بإسقاط المشاهد الأحد عشر كافةً على النموذج ثلاثي الأبعاد ويستخدم نظام تصويت. إذا اتفقت عشرة من أصل أحد عشر مشهداً على أن وجهاً معيناً من الجسم هو معدن، فإن النظام يقبل ذلك كحقيقة. تضمن هذه الخطوة أن تكون خريطة المواد النهائية متسقة وخالية من الارتباك الناتج عن المنظور الواحد.

حتى مع وجود خريطة متسقة، لا يزال بإمكان الحاسوب ارتكاب الأخطاء بناءً على ما يراه. فقد تبدو ساق رفيعة ولامعة معدنية للكاميرا، ولكن إذا كان الجسم كرسياً، فإن المنطق يشير إلى أنها على الأرجح خشبية. ولتصحيح هذه الأخطاء المنطقية، يستخدم النظام نموذج لغة كبير، وهو نوع من الذكاء الاصطناعي المدرب على فهم السياق. ينظر هذا النموذج إلى الجسم ككل، مع مراعاة شكله ووظيفته، ويقوم بتصحيح تسميات المواد. قد يقرر أن جزءاً تم تصنيفه كـ "معدن" هو في الواقع "خشب" لأنه جزء من ساق كرسي، أو أن جزءاً "بلاستيكياً" هو في الواقع "زجاج" لأنه جزء من مزهرية شفافة. تضيف هذه الخطوة طبقة من التفكير المنطمان لا يمكن للتحليل الصوري البحت تحقيقه، مما يضمن أن المواد منطقية في العالم الحقيقي.

بمجرد تحديد المواد بشكل صحيح، يواجه النظام تحدياً أخيراً: تحويل هذه الرقع السطحية المسطحة إلى أحجام صلبة ومكتملة (watertight). لا يمكن لمحرك المحاكاة العمل مع قشرة جوفاء؛ فهو يحتاج إلى معرفة داخل الجسم لحساب مدى ثقله وكيف سيدور. يقوم النظام بملء الهندسة المفقودة، مما يخلق أشكالاً ثلاثية الأبعاد كاملة لكل جزء من المواد. ثم يطلب من نموذج اللغة تخمين ما إذا كان كل جزء صلباً بالكامل أم مجوفاً، مثل أنبوب أو قشرة. إذا كان الجزء مجوفاً، يقدر النظام سمك الجدران. ومع هذه التفاصيل، يمكنه حساب الكتلة وتوزيع الوزن بدقة. وهذا يسمح للحاسوب بأن يعرف، على سبيل الله، أن رأس الروبوت المعدني الثقيل موجود في الأعلى، مما سيؤدي إلى ميله عند دفعه، بدلاً من الدوران بشكل مثالي حول مركزه.

اختبر الباحثون طريقتهم على مجموعة كبيرة من النماذج ثلاثية الأبعاد وقارنوها بالتقنيات السابقة. ووجدوا أن نهجهم كان أكثر دقة بكثير في تحديد المواد، حيث نجح في تسمية ما يقرب من نصف الأجزاء في مجموعة الاختبار الخاصة بهم، وهو ما يمثل أكثر من ضعف معدل النجاح للأساليب السابقة. وعندما قاموا بمحاكاة سقوط الأجسام واصطدامها، كانت النتائج مذهلة. في أحد الاختبارات، تم إسقاط رأس روبوت مصنوع من معدن ثقيل وجسم خشبي. تسببت الطرق القديمة، التي كانت تعامل الجسم بأكمله على أنه ذو كثافة واحدة، في دورانه حول مركزه الهندسي بطريقة غير طبيعية. ومع ذلك، فإن النظام الجديد حدد الرأس المعدني الثقيل بشكل صحيح، وحسب مركز الكتلة الحقيقي، وحاكى سقوطاً يطابق فيزياء العالم الحقيقي، حيث سحب الرأس الثقيل الجسم وتسبب في دورانه بشكل واقعي.

يمثل هذا العمل خطوة مهمة نحو جعل المحتوى الرقمي قابلاً للاستخدام في التطبيقات التفاعلية. فمن خلال تفكيك الأشكال ثلاثية الأبعاد المعقدة تلقائياً إلى مكوناتها المادية وتعيين خصائص فيزيائية واقعية لها، يحول النظام الصور الثابتة إلى أجسام ديناميكية تفاعلية. ويشير الباحثون إلى أنه بينما تعتبر طريقتهم فعالة للغاية، إلا أنها لا تزال تعتمد على أدوات خارجية لملء الهندسة المفقودة وتعتمد على جودة النموذج ثلاثي الأبعاد الأولي. كما أوضحوا أن اختباراتهم الحالية تقتصر على الأجسام التي تكون موادها مرئية على السطح، مما يعني أن الأجسام ذات الهياكل الداخلية المعقدة التي لا يمكن رؤيتها من الخارج تظل تشكل تحدياً. ومع ذلك، فإن القدرة على إنشاء أصول تتسم بالأمانة البصرية والواقعية الفيزيائية تفتح الباب أمام عمليات محاكاة أكثر واقعية في مجالات الروبوتات، والألعاب، والهندسة، مما يقرب بين العالمين الرقمي والفيزيائي.